HAL Id: hal-00870234
https://hal.archives-ouvertes.fr/hal-00870234
Submitted on 6 Oct 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Synthèse de texture de dissimulation à deux niveaux :
SCOTT
Julien Gosseaume, Kidiyo Kpalma, Joseph Ronsin
To cite this version:
Julien Gosseaume, Kidiyo Kpalma, Joseph Ronsin. Synthèse de texture de dissimulation à deux
niveaux : SCOTT. colloque CORESA 2013 (COmpression et REprésentation des Signaux
Audiovi-suels), Nov 2013, Creusot, France. 6 p. �hal-00870234�
Synthèse de texture de dissimulation à deux niveaux : SCOTT.
J. Gosseaume, K. Kpalma et J. Ronsin
Université Européenne de Bretagne, France
INSA, IETR, UMR 6164, F-35708 RENNES
{julien.gosseaume, kidiyo.kpalma, joseph.ronsin}@insa-rennes.fr
Résumé
Il s’agit d’une méthode originale de synthèse de texture de dissimulation à deux niveaux : SCOTT pour "Synthesis of COncealment Two-level Texture". SCOTT est fondée sur le fonctionnement du processus de détection et d’identifica-tion d’un objet par le Système Visuel Humain et synthé-tise une texture de dissimulation à deux niveaux, en com-binant une micro-texture avec une macro-texture. Les ré-sultats de simulation montrent que SCOTT est efficace, en synthétisant à partir de deux modèles, une texture visuelle-ment fidèle à son environnevisuelle-ment, en termes de couleurs et de formes. SCOTT peut être utilisée dans des applications de dissimulation (pollution visuelle en milieu urbain), d’in-painting, voire dans un processus de compression d’image.
Mots clefs
Dissimulation, texture à deux niveaux, texture de dissi-mulation, analyse/synthèse de texture, Système Visuel Hu-main SVH.
1
Introduction
Nous proposons une méthode originale de synthèse de tex-ture de dissimulation à deux niveaux : SCOTT pour "Syn-thesis of COncealment Two-level Texture".
A partir d’une étude du Système Visual Humain, nous avons élaboré SCOTT pour permettre de fournir une tex-ture fidèle à l’environnement visuel dans lequel elle doit s’insérer, tout en aboutissant à des formes simples et seule-ment quelques couleurs.
SCOTT repose sur un concept de "texture à deux niveaux", qui décompose une texture en une macro-texture et une micro-texture. La macro-texture est définie ici par l’as-pect global d’une texture, i.e. l’ensemble de ses formes dominantes. Dans le cas d’une texture régulière, la macro-texture correspond à ses motifs de base, comme les briques d’un mur. La micro-texture, quant à elle, est définie ici par l’aspect local d’une texture, i.e. les détails à l’intérieur des formes dominantes de la texture. Dans le cas d’une tex-ture régulière, la micro-textex-ture correspond à la répartition, d’apparence aléatoire, des couleurs à l’intérieur des mo-tifs de base, comme l’aspect de "grains" à la surface d’une
brique. Les notions de "macro" et "micro" sont donc re-latives et dépendent de l’échelle considérée. Une macro-texture deviendra une micro-macro-texture en s’éloignant ; inver-sement, une micro-texture deviendra une macro-texture en se rapprochant.
Cette dualité s’observe dans de nombreuses structures na-turelles (ex. : une plage de galets) et artificielles (ex. : un mur de briques). Dans le cas d’une texture de synthèse, elle offre à la texture une richesse visuelle qui lui confère un aspect plus réaliste ; nous pouvons comparer par exemple les textures de jeux vidéos d’il y a une dizaine d’années et ceux plus récents : la richesse des textures donne une im-pression de "vrai". Le but de la texture de dissimulation est d’être à la fois générique pour pouvoir s’appliquer à dif-férents endroits et être observée sous difdif-férents angles de vue dans une scène, et précise pour une efficacité à plu-sieurs échelles. Le besoin défini exige donc un compromis entre généricité et efficacité.
Ainsi SCOTT peut-elle servir à des applications de dis-simulation de la pollution visuelle (induite par les trans-formateurs, armoire de répartiteurs, antennes, etc.) [1], d’inpainting [2], mais son utilisation peut s’étendre à d’autres processus, comme la compression d’images par exemple.
Les résultats de simulation montrent que SCOTT est effi-cace dans la synthèse d’une texture non-saillante par rap-port à l’environnement visuel dans lequel elle s’insère.
2
Méthode proposée
SCOTT a été élaborée à partir du fonctionnement du pro-cessus de détection et d’identification d’un objet par le Sys-tème Visuel Humain (SVH). Ainsi SCOTT repose sur le concept de "texture à deux niveaux", qui décompose une texture en une macro-texture et une micro-texture. La fu-sion de ces deux niveaux offre à la texture finale un as-pect réaliste, fidèle à l’environnement visuel dans lequel elle s’insère.
2.1
Système Visuel Humain
Un objet est dissimulé s’il a les mêmes couleurs domi-nantes et les mêmes formes domidomi-nantes (spectre :
ampli-tude et phase) que l’environnement visuel [3] dans lequel il se trouve.
Ces deux règles, avoir les mêmes couleurs domi-nantes et les mêmes formes domidomi-nantes, proviennent de l’étude du fonctionnement du processus de détection et d’identification d’un objet, par le Système Visuel Humain. Tout d’abord il faut garder à l’esprit que l’information vi-suelle est portée par la couleur, en tant que spectre fré-quentiel électro-magnétique. L’interprétation subjective de la couleur dépend de la réponse fréquentielle des consti-tuants biologiques primaires du Système Visuel Humain : les cônes et les bâtonnets.
L’information de couleurs fournie par les cônes et les bâtonnets n’est pas utilisée sous sa forme brute, mais sous forme de différences de couleurs, c’est-à-dire de contrastes. Ces contrastes sont exploités par l’aire corti-cale primaire V1 du Système Visuel Humain et permet la détection d’une "saillance" dans une scène. Ils sont ensuite exploités par les aires corticales supérieures du Système Visuel Humain pour extraire les contours des objets et pro-céder à son identification [4].
Le Système Visuel Humain fonctionne donc comme un interprète, partant d’informations concrètes de très bas-niveau (couleurs) pour parvenir à une représentation sé-mantique abstraite de très haut-niveau (ex. : "une petite voi-ture bleue").
La détection d’un objet se fait donc par le contraste de ses couleurs avec celles de son environnement, et son identifi-cation se fait par la reconnaissance de ses contours [5, 6]. Autrement dit, pour diminuer l’impact visuel d’un objet, il ne doit pas être saillant, c’est-à-dire ne pas créer de rupture avec son environnement ; donc disposer des mêmes cou-leurs et formes dominantes que son environnement visuel. Bien que ce schéma du SVH reste très simpliste, son ni-veau de précision est suffisant dans notre démarche : il ne s’agit pas de modéliser de manière exhaustive le SVH pour rendre invisible des objets (dans le cas de la dissimulation d’une armoire de répartiteurs, il ne serait pas aisé d’en as-surer la maintenance sans pouvoir le localiser), mais de di-minuer la pollution visuelle en donnant aux objets "pol-luants" un rendu visuel plus discret et plus agréable. Pour plus d’informations sur le SVH, le lecteur est invité à se reporter aux références données [3, 4, 5, 6].
2.2
Synthèse de texture de dissimulation à
deux-niveaux
De notre étude du fonctionnement du processus de détec-tion et d’identificadétec-tion d’un objet par le Système Visuel Humain, nous avons tiré deux règles pour la dissimulation : avoir les mêmes couleurs dominantes et avoir les mêmes formes dominantes.
Ces deux règles sont à la base de l’élaboration de notre méthode de synthèse de texture de dissimulation à deux ni-veaux, qui repose ainsi sur un paradigme couleurs/formes. Afin d’assurer la fidélité visuelle, SCOTT suit un mo-dèle de "texture à deux niveaux", et synthètise une
macro-texture à laquelle est ajoutée une micro-macro-texture pour ob-tenir la texture finale de dissimulation. La macro-texture, aspect global de la texture, rend la dissimulation efficace à une longue distance d’observation. De manière similaire, la micro-texture, aspect local de la texture, rend la dissimu-lation efficace à une courte distance d’observation. Le but de la texture de dissimulation est d’être à la fois générique, pour pouvoir s’appliquer à différents endroits et être observée sous différents angles de vue dans une scène, et précise pour une efficacité à plusieurs échelles. Il s’agit d’un compromis entre généricité et efficacité.
SCOTT nécessite donc deux modèles en entrée, un pour chaque niveau de texture, et décompose son processus en trois étapes : synthèse de la macro-texture, synthèse de la micro-texture, puis fusion des deux niveaux de texture (Fi-gure 1). Le premier modèle, associé à la macro-texture, doit représenter l’aspect global que l’utilisateur entend don-ner à l’objet à camoufler ; pour le moment il s’agit d’un choix manuel, donc subjectif. Le second modèle, associé à la micro-texture, doit offrir de la richesse spectrale à la macro-texture et donc doit être de type stochastique : pe-louse, feuillage, sable, etc.
Synthèse de la macro-texture. La macro-texture rend la dissimulation efficace à une longue distance d’observation. Il s’agit du premier niveau de la texture de dissimulation. La synthèse de la macro-texture part du premier modèle d’entrée et se décompose en trois étapes, qui permettent de respecter le paradigme couleurs/formes (Figure 1) :
1. Extraction des couleurs dominantes. A partir de l’histogramme dans l’espace L*a*b* du premier mo-dèle, les couleurs dominantes du modèle sont ex-traites. L’espace L*a*b* a été choisi puisqu’il donne un sens physique à une distance euclidienne calculée dans cet espace. Le nombre de couleurs dominantes est à ajuster en fonction de la richesse colorimétrique de l’environnement.
2. Extraction des formes dominantes. Les formes (ré-gions) dominantes sont ensuite extraites du premier modèle par une segmentation de l’ensemble des pixels de l’image, avec la valeur colorimétrique des pixels pour critère de discrimination (ou d’agrégation, car la segmentation d’un ensemble de pixels peut être vue comme le regroupement des pixels entre eux). Cette segmentation est réalisée par un processus de k-means clustering [7] à partir de la représentation dans l’es-pace L*a*b* des pixels.
3. Combinaison couleurs/formes Chaque forme domi-nante se voit associer une des couleurs domidomi-nantes en fonction de la distance euclidienne entre les moyennes des couleurs contenues dans les formes et les couleurs dominantes. Ainsi chaque forme a une couleur diffé-rente telle que l’erreur quadratique de la combinaison couleurs/formes est minimisée. Nous obtenons à ce stade une macro-texture simple avec des formes gros-sières et quelques couleurs.
Modèle de macro-texture Modèle de micro-texture Extraction des couleurs dominantes Extraction des formes dominantes Combinaison couleurs/formes Redimensionnement Extraction des formes dominantes Fusion de la micro-texture avec la macro-texture Texture de dissimulation Macro-texture Micro-texture
Figure 1 – SCOTT est fondée sur le concept de texture à deux niveaux et fusionne une micro-texture avec une macro-texture pour créer la texture de dissimulation, à par-tir de deux modèles en entrée. La synthèse de la macro-texture (chemin en traits pleins), part du premier modèle et se décompose en 3 étapes : extraction des couleurs domi-nantes du modèle de macro-texture, extraction des formes dominantes du modèle de macro-texture, et combinaison des couleurs avec les formes. La macro-texture ainsi obte-nue est fidèle à l’environnement visuel à longue distance. La synthèse de la micro-texture (chemin en pointillés), part du second modèle et se décompose en 2 étapes : redimen-sionnement du modèle de micro-texture pour être ajusté à la taille de la macro-texture, et extraction des formes do-minantes du modèle de micro-texture redimensionné. Enfin SCOTT fusionne les deux textures en combinant les formes dominantes de la micro-texture avec les formes dominantes de la macro-texture, par variation de la clarté des couleurs de la macro-texture en fonction des formes de la micro-texture.
A ce stade du processus, nous avons une macro-texture constituée de formes grossières et de quelques couleurs seulement. Cette macro-texture est efficace pour une dis-simulation à longue distance.
Synthèse de la micro-texture. La synthèse de la micro-texture part du second modèle d’entrée (indépendant du premier modèle d’entrée) et se décompose en deux étapes (Figure 1) :
1. Redimensionnement. Le second modèle est tout d’abord redimensionné pour être ajusté à la taille du premier modèle (associé à la macro-texture). En effet, ce second modèle étant associé à la micro-texture de la texture finale, il est par définition beaucoup plus pe-tit que le premier modèle, associé à la macro-texture.
Le redimensionnement est réalisé par une synthèse de texture basée patch [8] : le second modèle est divisé en blocs appelés "patches" et ces patches sont conca-ténés aléatoirement dans une nouvelle image jusqu’à l’obtention de la taille finale souhaitée.
2. Extraction des formes dominantes. Tout comme pour la macro-texture, les formes (régions) domi-nantes sont extraites du modèle redimensionné, par un processus de k-means clustering à partir de la repré-sentation dans l’espace L*a*b* des pixels.
Cette étape du processus fournit une micro-texture consti-tuée de formes fines. Dans l’étape suivante, ces formes sont superposées à celles de la macro-texture pour synthétiser une texture finale. Cette micro-texture est efficace pour une dissimulation à courte distance.
Fusion des deux niveaux. De notre étude du fonction-nement du processus de détection et d’identification d’un objet par le Système Visuel Humain (SVH), nous avons vu que des formes étaient visibles (c’est-à-dire détectées et re-connues par le SVH) si la couleur qui les constituait était en contraste avec les couleurs environnantes. Pour fusion-ner la micro-texture avec la macro-texture, nous utilisons ce principe dans l’autre sens. Puisque nous voulons que les formes de la micro-texture soient visibles sur celles de la texture, sans perturber la perception de la macro-texture à une grande distance d’observation, nous allons faire varier les couleurs (plus précisément la clarté) des couleurs de la macro-texture, en fonction des formes de la micro-texture. La micro-texture sert ainsi de masque super-posé par dessus la texture. Les pixels de la macro-texture subissent une transformation sur leur composante L* (clarté) dans l’espace L*a*b*, en fonction de la forme de la micro-texture au-dessus. La troisième étape permet donc de faire ressortir la micro-texture par simple variation de la clarté des pixels de la macro-texture, le but étant sim-plement d’apporter de la richesse visuelle à courte distance. Finalement, SCOTT fournit une texture visuellement riche, disposant de formes simples et de seulement quelques cou-leurs (Figure 2).
3
Résultats de simulation
SCOTT va ainsi permettre la synthèse d’une texture fidèle à l’environnement visuel dans lequel elle doit s’insérer, tout en disposant de formes simples et de seulement quelques couleurs. Le nombre de couleurs dominantes est à ajuster en fonction de la richesse colorimétrique de l’environne-ment.
Nous avons évalué la fidélité d’une texture synthétisée par SCOTT, par rapport à son environnement visuel, en rem-plaçant le modèle de macro-texture dans son environne-ment visuel par la texture finale de dissimulation synthé-tisée par SCOTT. Il s’agit de notre appréciation subjec-tive, donnée purement qualitasubjec-tive, puisque nous ne dispo-sons pas à l’heure actuelle d’une mesure objective, donnée quantitative, adaptée à notre besoin (section 5). Les
résul-(a) Modèle de macro-texture (b) Mo-dèle de micro-texture (c) Modèle de micro-texture redimensionné (d) Formes do-minantes de la macro-texture
(e) Formes do-minantes de la macro-textures avec couleurs dominantes (f) Formes do-minantes de la micro-texture (g) Texture finale de dissimulation à deux niveaux
Figure 2 – SCOTT est fondée sur le concept de texture à deux niveaux : fusion d’une micro-texture et d’une macro-texture. La synthèse part de deux modèles en entrée (a) et (b) : le modèle de macro-texture (a) et le modèle de micro-texture (b). La macro-texture est synthétisée à partir du premier modèle (a) et consiste en l’association des formes dominantes (d) et des couleurs dominantes (e) de ce modèle. La micro-texture est synthétisée par l’extraction des formes dominantes (f) du second modèle (b), redimensionné à la taille de la macro-texture (c). Enfin la texture finale de dissimulation est obtenue par la fusion de la micro-texture avec la macro-texture (g).
tats de simulation montrent que, dans le cas d’une substi-tution, l’impact visuel est faible à l’oeil nu (Figure 3). Cela vérifie les deux règles préalablement définies : la distinc-tion entre deux textures est plus difficile si celles-ci ont les mêmes couleurs dominantes et les mêmes formes do-minantes (spectre : amplitudes et phases). Bien sûr tout lecteur averti pourrait objecter "Qui des problèmes d’ani-sotropie locales ?", mais il faut garder à l’esprit qu’il ne s’agit pas ici de concevoir une texture dont le rendu visuel serait identique à celui d’une texture de référence, mais de concevoir une texture qui respecte un compromis entre gé-néricité et fidélité, par rapport à un environnement visuel donné.
Une façon de vérifier la fidélité visuelle de la texture de dissimulation est de filter passe-bas une image originale et sa version contenant la texture de dissimulation, ce qui fait ressortir les couleurs dominantes perçues par le Système Visuel Humain. Nous observons que les couleurs domi-nantes sont les mêmes dans les deux images (Figure 3) ; la première règle, "avoir les mêmes couleurs dominantes", est donc vérifiée. De même, si nous extrayons de ces images (image originale et image avec la texture de dissimulation) les contours des formes, par un filtre passe-haut, nous ob-servons les deux images avec une même richesse en termes de contours, donc des spectres similaires (Figure 3) ; la seconde règle, "avoir les mêmes formes dominantes", est donc vérifiée.
Les résultats de simulation montrent donc que SCOTT syn-thétise une texture de substitution peu saillante. Pour une application concrète de dissimulation (section 4), les résul-tats de simulation montrent qu’une texture synthétisée par SCOTT, à partir de deux modèles issus d’un environnement visuel, peut se placer dans différentes positions dans cet en-vironnement, afin de dissimuler différents objets. SCOTT offre donc un bon compromis entre généricité et efficacité.
4
Applications
Les applications de SCOTT sont variées. Une application directe, à l’origine de son élaboration, est la réduction de
la pollution visuelle [1]. SCOTT permet de synthétiser une texture de dissimulation, qui peut être peinte directement sur l’équipement à dissimuler, ou imprimée sur un matériau destiné à recouvrir l’équipement à dissimuler (vinyle adhé-sif par exemple). Les résultats de simulation montrent que l’objet dissimulé n’est plus saillant. De plus, même si cet objet peut être détecté dans un effort cognitif, nous remar-quons que sa forme est cassée, ce qui est d’une importance puisque cet effet, issu de l’efficacité de SCOTT, inhibe le processus d’identification du Système Visuel Humain. En-fin le compromis entre généricité et efficacité offert par SCOTT permet d’utiliser la même texture pour dissimu-ler différents objets dans un même environnement visuel (Figure 5).
Une deuxième application est l’inpainting [2], qui revient à reboucher un "trou" dans une image. Le résulat revient donc à effectuer la dissimulation d’un objet.
Enfin une dernière application possible se situerait dans un processus de compression d’images. En effet, puisque SCOTT synthétise une texture avec des formes grossières et seulement quelques couleurs, pour un même rendu vi-suel, une application de substitution pure (section 3) de-vrait permettre de réduire le volume des données des zones peu saillantes d’une image. Une étude ultérieure pourrait donner un ordre de grandeur accessible de la réduction du volume de données des zones peu saillantes d’une image.
5
Futurs travaux
Les résultats de simulation montrent, par appréciation sub-jective, l’efficacité de notre approche. Cependant nous ne disposons pas pour le moment de mesure objective. Le but d’un tel indicateur d’évaluation serait de reproduire automatiquement l’appréciation subjective d’un observa-teur devant une scène comprenant un objet dissimulé par SCOTT.
Des mesures existent pour évaluer la similarité visuelle entre 2 images (a fortiori 2 textures), comme SSIM, pour "Structural SIMilarity" [9], qui estime la qualité visuelle d’une image dégradée par rapport à une image originale, en
(a) (b) (c)
Figure 3 – SCOTT synthétise une texture fidèle à l’environnement visuel dans lequel elle doit s’insérer, tout en disposant de formes simples et de seulement quelques couleurs, à partir de deux modèles issus de environnement (a). Afin de tester l’efficacité de SCOTT en termes de fidélité visuelle, la texture de dissimulation est placée à la même position que le modèle de macro-texture dans l’environnement visuel (b). L’impact visuel de la texture de dissimulation est faible, et une fois sa position révélée (c), nous observons que la forme rectangulaire de la texture de dissimulation est cassée, ce qui inhibe son identification (b). Dans le cas d’une substitution pure, la mesure SSIM sur toute l’image est un indicateur objectif de l’efficacité. Ici : SSIM = 0.9942.
(a) (b) (c)
(d) (e) (f)
Figure 4 – SCOTT synthétise une texture de dissimulation fidèle à l’environnement visuel car elle dispose des mêmes couleurs et formes dominantes que cet environnement. Une façon d’évaluer l’efficacité de SCOTT est de filter passe-bas l’image originale (a) et l’image avec la texture de dissimulation (b), ce qui a pour effet de faire ressortir les couleurs dominantes. Il n’y alors pas différence notable entre les deux images (c). De même, en extrayant les contours de l’image originale (d) et l’image avec la texture de dissimulation (e), obtenant ainsi une représentation de la densité spectrale des images, il n’y a pas non plus de différence notable (f). C’est le respect des deux règles de dissimulation qui fait que SCOTT synthétise une texture de dissimulation non-saillante, donc efficace : avoir les mêmes couleurs dominantes et avoir les mêmes formes dominantes (spectre : amplitude et phase).
mesurant la similarité de structure entre les deux images. Nous nous sommes servis de cette mesure pour évaluer la pertinence de la texture synthétisée par SCOTT lors des tests de substitution (section 3). Bien que cette mesure soit fondée sur la sensibilité du Système Visuel Humain (SVH) aux changements dans la structure d’une image, elle ne s’applique qu’à la composante de clarté et ne mo-délise donc pas entièrement le fonctionnement du SVH.
De plus, une telle utilisation de cette mesure reste peu ap-plicable dans notre application de dissimulation, puisque la dissimulation ne s’applique qu’à une partie de l’image contenant la texture, alors que SSIM est calculée sur toute l’image. La mesure SSIM varie donc suivant la taille de la texture de dissimulation. Enfin notre application principale étant la dissimulation d’objets saillants et visuellement pol-luants, un calcul de similarité structurelle entre une image
(a) (b) (c)
Figure 5 – L’application initiale de SCOTT est la dissimulation de la pollution visuelle. A partir de deux modèles extraits d’un environnement visuel (a), SCOTT crée une texture de dissimulation visuellement fidèle à cet environnement. En effet, ici une même texture dissimule différents objets dans le même environnement visuel (b), sans créer de saillance artificielle (c). Il s’agit donc d’un bon compromis entre généricité et efficacité.
initiale et l’image avec la texture de dissimulation irait à contre-sens de notre objectif, puisque celui-ci est justement de modifier l’aspect colorimétrique et structurelle des ob-jets à dissimuler, afin de les rendre moins saillants. Les travaux à venir porteront donc sur l’élaboration d’une mesure objective de l’efficacité de SCOTT. A court terme nous aurons recours à des indicateurs comme SSIM, en mesurant les distances entre des patches issus de la tex-ture de l’environnement et ceux issus de la textex-ture de dis-simulation. Cela nous permettra d’évaluer la fidélité de la texture de dissimulation, vis-à-vis de son environnement visuel. Il faut donc répondre à la problématique de la sé-lection des patches : leur taille et de leur position. A long terme, une piste de réflexion avancée est le recours à une carte de saillance, qui révèlerait si la dissimulation a per-mis de diminuer la saillance de l’objet à dissimuler. Bien qu’un tel outil ne modélise pas le SVH de manière exhaus-tive, sa pertinence est suffisante pour notre application : il s’agit de déterminer si l’objectif de diminution de la pollu-tion visuelle a été atteint.
6
Conclusion
Fondée sur le fonctionnement du processus de détection et d’identification d’un objet par le Système Visuel Humain, nous avons élaboré une méthode de synthèse de texture de dissimulation à deux niveaux : SCOTT pour "Synthe-sis COncealment Two-level Texture".
SCOTT synthétise une texture de dissimulation en com-binant une micro-texture avec une macro-texture, à par-tir de deux modèles en entrée. Les résultats de simulation montrent qu’une texture synthétisée par SCOTT peut dis-simuler un object en le rendant non-saillant dans son envi-ronnement. Le double niveau élaboré garantit à la texture de dissimulation une fidélité visuelle en termes de couleurs et formes dominantes, par rapport à l’environnement vi-suel.
Les applications de SCOTT sont variées. Même si l’appli-cation initiale est la dissimulation de la pollution visuelle, SCOTT peut s’utiliser pour une application d’inpainting, ou encore dans un processus de compression d’images.
Références
[1] P. Dandumont. Les opérateurs vont-ils devoir ca-moufler les équipements pour la fibre optique ? http ://www.tomshardware.fr/articles/operateurs-shelter-armoire,1-37709.html, May 2013.
[2] E. Bruno, G. Sapiro, V. Caselles, et C. Ballester. Image inpainting. Dans Proceedings of the 27th annual conference on Computer graphics and interactive tech-niques, pages 417–424, 2000.
[3] B. Julesz. A theory of preattentive texture discrimi-nation based on first order statisics of textons. Biol. Cybern, vol. 41, no. 2, pages 131–138, Aug. 1999. [4] B. Buduc. The brain from top to bottom. http
://the-brain.mcgill.ca/avance.php, Dec. 2012.
[5] F. Landragin. Saillance physique et saillance sognitive. CORELA, vol. 2, no 2, Dec. 2004.
[6] J. Baumbach. Psychophysics of human vision : the key to improved camouflage pattern design. Dans Land Warfare Conference, 2010.
[7] J.B. MacQueen. Some methods for classification and analysis of multivariate observations. Dans 5th Berke-ley Symposium on Mathematical Statistics and Proba-bility, pages 281–297. University of California Press, 1967.
[8] E. Praun, A. Finkelstein, et H. Hoppe. Lapped tex-tures. Dans Proceedings of SIGGRAPH 2000, pages 465–470. Citeseer, 2000.
[9] Z. Wang, A. C. Bovik, H. R. Sheikh, et E. P. Somon-celli. Image quality assessment : From error visibility to structural similarity. IEEE Transactions on Image Processing, vol. 13, no. 4, pages 600–612, Apr. 2004.
